覃思琪答道：“目前主要是日線級別的價量資料和基礎財務資料，分鐘線資料已經接進來了，但還在做清洗。Tick級資料成本太高，我們暫時沒碰。”
“特徵工程呢？”林深繼續問，“是直接把原始資料喂進去，還是做了預處理？”
徐嘉偉接過話：“會做預處理，先標準化，再做一定程度的維度壓縮，然後提取滾動統計特徵，比如過去二十日的動量、波動率、換手率這些，每一個特徵都會在驗證集上看貢獻度。”
林深點了點頭，又看向徐嘉偉和高達：“模型架構呢？你們目前用的什麼？”
高達說：“主模型是XGBoost，另外跑了一版輕量級的LST對比。實盤上用的是XGBoost為主，LST時沒有納入正式組合，因為它在實盤裡的勝率表現不如回測穩定。”
“有沒有做驗證？”林深問。
“做了時間序列交叉驗證，還有樣本外驗證。”徐嘉偉說，“回測階段做的是滾動訓練，不是拿全量資料一次性喂進去，這點我們一開始就考慮到了。”
鄭啟銘也補了一句：“資料我們做了多重清洗，行情資料和財務資料分別對齊了時間戳，避免未來函式。”
林深聽他們說得這麼具體，心裡已經大概有了底。這個團隊，至少在基本流程和風控意識上，比很多市場上的量化工作室要規範得多，目前來看他們的流程和框架是沒問題的。
演示結束後，覃思琪把投影關掉，表情認真起來“學長，這就是我們目前的一代模型。實盤和回測都做了，但年化收益一直卡在5.5%附近，怎麼調都上不去。”
林深沒有急著開口，會議室裡也安靜下來，幾個年輕人都在等他說話。
覃思琪又說：“我們翻了很多文獻，也試過不少方法，但效果都不明顯，所以想請你幫我們看看。”
林深靠在椅背上，腦子裡快速把前面看到的內容過了一遍。
一時間，他也說不出問題具體出在哪裡。量化本來就不是他最擅長的方向，當初他自己做的那套模型，主要是針對期貨市場。期貨做的人少，策略同質化還沒那麼嚴重，所以能跑出比較高的收益。後來用的人多了，收益率一路下滑，最終自動休眠。
覃思琪她們現在做的是股票策略，難度比他當年那套大得多。
5.5%的年化，放在機構裡已經不算差了。但機構做量化規模大，策略容量高，大幾千億的量化機構在裡面市場卷，5.5的收益乘以幾十億本金，絕對利潤依然屬於可觀的。
而她們的模型目前最多隻跑過一百萬，離大規模實盤還差得遠，真拿幾十個億的資金去跑，滑點和衝擊成本會把那點收益全部吃掉，甚至可能整個模型直接崩掉。
他朝覃思琪伸出手：“電腦給我看一下。”
覃思琪把筆記型電腦轉過去，螢幕上還停留在剛才演示的策略框架圖上，林深把頁面拉回去，從頭開始，一段一段看。
幾個年輕人誰也沒說話，會議室裡只剩電腦風扇細細的轉動聲。
他看得很慢，從最上層的資料管道，到中段的特徵工程，再到模型訓練和回測輸出，每個模組都點開掃了幾眼。偶爾開啟一個程式碼檔案，跳到關鍵函式那裡看幾十秒。
旁邊的人看不清他到底在看哪一行，只覺得會議室裡的空氣越來越緊。
大約過了十來分鐘，林深重新抬起頭。
“這套模型，已經做得很不錯了。”
這話不是安慰，資料清洗、滾動訓練、交叉驗證、實盤和回測的差異處理，全都算得上規範。哪怕換成他親自上手，也未必能搭得比這更好。
問題到底出在哪呢。
他腦子裡快速把整個框架又過了一遍，他們的思路有沒有問題？沒有。從因子挖掘到機器學習組合，再到風控和實盤，每一步都踩在正道上。
資料有問題嗎？從剛才的介紹看，至少基本的對齊和防未來函式都做了，說明他們不是亂來，是懂行的。模型架構呢？XGBoost加滾動驗證，談不上激進，但也足夠主流。這些環節，該做的都做了，不該犯的錯也沒犯。
